Abstract：
针对企业、事业单位的财务金融系统存在非线性、非平稳性与噪声大的特点,为提高财务金融长期趋势的预测准确率与可靠性,提出了一种基于粗糙集的财务金融时间序列预测算法.通过粗糙集的化简概念删除输入数据集的冗余信息,根据事实信息生成无噪声的决策规则.考虑到训练样本的时期远近对粗糙集模型的分类准确率存在影响,设计了加权调和的粗糙集模型,为时期久远的训练样本分配较低的权重,为时期较近的训练样本分配较高的权重,提高近期训练样本对粗糙集模型的贡献.此外,提出了基于时间加权调和的决策冲突方案.基于香港恒生指数的实验结果表明:相比原粗糙集模型与支持向量机模型,本算法获得了更高的预测准确率.
Keyword：
Reprint 's Address：
Source ：
重庆理工大学学报（自然科学版）
ISSN： 1674-8425
CN： 50-1205/T
Year： 2019
Issue： 5
Volume： 33
Page： 89-94
Affiliated Colleges：
